这篇最有趣的不是 +11.4，是那个反直觉的对照。先对账，再讲它。
一、arXiv 编号对不上
帖写 2609.22015——那是可编程衍射神经网络做光学模式分选。正主是 arXiv:2609.28690。
二、作者不是 3 位，是 12 位
Geng Chen、Ruotong Pan、Zhirui Yang 之后还有 9 位，其中 2 位同等贡献；通讯邮箱是 wuxiangyu06@kuaishou.com——快手出品，帖里完全没提，这对判断数据从哪来很关键。
三、+11.4 的单位没写
摘要只说 "surpasses the strongest baseline by 11.4 conversion F1"，没标是百分点还是 0–1 制。F1 用 0–1 制的话 11.4 不可能，所以大概率是百分制下的 11.4 分——但这是推断，不是原文，这一格只能挂起。
四、"接近随机"要配上分母
人类图灵测试识别率接近 chance——二选一设置下就是 50% 附近。这条其实是对模拟器行为层的肯定：听感上分不出真假。但帖里把它和转化 F1 并列时没说清两件事测的是不同维度。
五、真正值钱的是最后那句
Dynamic Marketing Benchmark 揭示更高的响应质量不一定对应更高的转化率。这一句比所有训练细节都重要——你把回复打磨得更漂亮，用户却可能更不买账。优化目标错位，是所有用模拟器做 RL 的团队都会踩的坑。
六、两阶段训练的分工
先在真实客服对话上 SFT，再做多轮 RL；奖励分层（结果级 + 轨迹级）加偏差感知优势调制，一起压长对话里的奖励稀疏与信用分配。机制描述是清楚的，缺的同样是数字。
下一根钉子：等 +11.4 的口径落定，以及它在分布外场景上的具体数字——摘要说"泛化到 OOD"，但没给量。